134 Proteine Plasmatiche Legate al Rischio di Osteoporosi Identificate in uno Studio su 42.000 Persone

L'osteoporosi colpisce circa 1 adulto su 5 a livello globale e causa fratture da fragilità invalidanti, eppure la diagnosi precoce rimane inadeguata. Le proteine plasmatiche circolanti offrono una finestra sulla biologia della malattia che potrebbe consentire un intervento più tempestivo, ma i precedenti studi proteomici sono stati limitati da campioni di piccole dimensioni, disegni trasversali e pannelli proteici ristretti.

Questo studio prospettico di coorte ha arruolato 42.325 adulti dalla UK Biobank privi di osteoporosi al basale. Di questi, 1.477 hanno sviluppato osteoporosi durante il follow-up fino a novembre 2022. La proteomica plasmatica ha utilizzato l'Olink Explore Proximity Extension Assay, quantificando 2.919 proteine dopo il controllo di qualità. La regressione di Cox a rischi proporzionali ha esaminato tutte le proteine per le associazioni longitudinali con l'insorgenza dell'osteoporosi, correggendo per dati demografici, stile di vita e comorbilità. La randomizzazione mendeliana (MR) a due campioni, utilizzando QTL proteici di UKB-PPP e dati sommari di GWAS di FinnGen (8.017 casi, 391.037 controlli), ha testato la direzionalità causale. Il machine learning (LightGBM) ha quindi classificato i predittori proteici, e la Weighted Gene Correlation Network Analysis (WGCNA) ha identificato moduli proteici co-espressi.

Tra le 2.919 proteine testate, 134 sono risultate significativamente associate all'osteoporosi dopo la correzione di Bonferroni. Le associazioni più forti hanno riguardato SOST (sclerostina), un inibitore canonico della via di segnalazione Wnt che sopprime la formazione ossea; ADIPOQ (adiponectina), un'adipochina con ruoli nel metabolismo osseo; e CKB (creatina chinasi di tipo B). Dodici proteine hanno mostrato associazioni significative con i T-score della densità minerale ossea a livello del collo del femore, della colonna lombare e del corpo intero. L'analisi MR ha confermato relazioni causali per 17 proteine, con FSHB (subunità beta della follitropina), SOST e ADIPOQ che sono emerse come le principali caratteristiche predittive nel machine learning. Il modello predittivo a 10 proteine ha raggiunto un AUC = 0,803 per l'insorgenza entro 5 anni, superando le prestazioni di un modello basato esclusivamente sui fattori di rischio tradizionali.

L'analisi della rete WGCNA ha identificato tre moduli proteici correlati all'osteoporosi: uno arricchito nelle vie immunitarie e del complemento, uno nel metabolismo lipidico e uno incentrato sulla regolazione dell'FSH. Le analisi di mediazione hanno mostrato che questi moduli hanno agito come intermediari biologici tra i fattori di rischio consolidati — fumo, sonno, attività fisica, punteggio di rischio poligenico e menopausa — e lo sviluppo dell'osteoporosi. Questo risultato suggerisce che diverse esposizioni ambientali e genetiche convergono su un insieme limitato di vie molecolari per determinare la perdita ossea.

La grande scala dello studio, il disegno prospettico e l'integrazione di metodi di inferenza causale rappresentano importanti punti di forza. Tuttavia, la popolazione è prevalentemente di ascendenza europea, il che ne limita la generalizzabilità. Le misurazioni proteiche sono state effettuate in un unico momento basale, impedendo la valutazione delle dinamiche di traiettoria proteica nel tempo. Inoltre, l'osteoporosi è stata accertata tramite cartelle cliniche ospedaliere e codici ICD-10, che potrebbero sottostimare i casi lievi o diagnosticati in ambito territoriale.